（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

       由山东金歌科学仪器有限公司自主研制的全新一代NMT产品- SRMT1208非损伤微测系统（植物吸收监测仪、NMT活体生理检测仪）具备测量多种关键元素的能力，如磷、硅、锌、铁、铜、铝、砷等。该仪器功能全面，可检测植物所需的全部大量元素、中量元素以及大部分微量元素，同时涵盖离子通量（flux）、离子浓度、分子通量（flux）、分子浓度及膜电位等多项检测项目。   金歌NMT功能特色：   （1）检测种类多；   （2）实时输出时间-flux通量数据，无需人工换算，可直接用于分析作图，保护了用户数据安全；   （3）提供个性化定制，免费升级测试软件。   可检测种类：   （1）大量营养元素：N (NH4+/NO3-)、P (HPO42-)、K+   （2）中微量元素：Ca2+、Mg2+、SO42-、Na+、Cl-、H+、SiO32-、Zn2+、Fe2+、Cu2+   （3）胁迫：Cd2+、Al3+、Pb2+、Ag+、Cr3+、AsO43-   （4）其它：Li+、NO2-   （5）分子：O2、H2O2、IAA、NO、葡萄糖等   测试样品：   根际/种子/花粉管、细胞/液泡、生物膜、藻类、活体组织、神经、骨骼、珊瑚等其它活体样品   测试项目：   （1）离子通量SRIET   （2）分子通量SRPT   （3）离子浓度aIon   （4）pH   （5）分子浓度aMol   （6）膜电位Potential   主要应用：   植物营养生理、逆境生理、植物与微生物互作、作物育种、生理调控机制等研究     附：非损伤微测技术（Noninvasive Microelectrode Technique，NMT）        非损伤微测技术NMT是离子/分子通量测试技术在国内的名字，其全称是非损伤微电极测试技术（Noninvasive Microelectrode Technique，NMT），能够原位、实时、非接触式测量生命活动中离子/分子通量（flux），可用于植物营养生理、盐胁迫和重金属胁迫等研究。        离子/分子通量测试技术（非损伤微测技术）经历了方法学建立、原型机、技术成熟、引进国内和全国产化。         1.方法学建立         1974年，美国麻省伍兹霍尔海洋生物学实验室科学家 Lionel Jaffe 和 Nuccitelli 提出了振动电极（Vibrating Probe：VP）概念，采用振动电极探针技术测量生物体中弱电流，为离子/分子通量（flux）测试奠定了方法学的基础。         2.原型机         1990年伍兹霍尔海洋生物学实验室开发出了基于离子振动电极技术的自动化离子/分子通量（flux）测试系统，在早期的文献中写做 SRIS系统。         3.SIET离子/分子通量测试系统标志着通量测试技术仪器的成熟         1994年，伍兹霍尔海洋生物学实验室员工 A.M.Shipley 和 E.Karplus 分别成立 Applicable Electronics Inc. 和 Sciencewares 公司，联合推出商业机 SIET通量测试系统，标志着离子/分子通量（flux）测试技术仪器的成熟。          4.SIET系统被引进国内          SIET通量测试系统被引进国内后，我国学者从2009年开始在离子/分子通量（flux）测试领域发表文章，当时文章明确标识使用的是SIET通量测试系统。（文献：Plant Physiology, February 2009, Vol. 149, pp. 1141–1153, NaCl-Induced Alternations of Cellular and Tissue Ion Fluxes in Roots of Salt-Resistant and Salt-Sensitive Poplar Species）          5.国产化           金歌仪器科研团队自2011年开始深耕非损伤微测技术（NMT）领域，为在国内推广的通量flux测试系统（非损伤微测系统）研制并供应核心组件。通过不断丰富NMT可测离子种类，成功摆脱了对国外的依赖。           在科技竞争白热化的今天，核心技术自主可控是企业可持续发展的底线和基石。2022年金歌公司成立以来，始终如一坚持创新发展理念，聚焦关键技术攻关，打破原装进口核心部件-国内组装的模式，推动构建自主可控的产业链体系。2025年8月7日，北京知识产权法院判决金歌公司在与某北京公司NMT专利侵权案中胜诉，金歌已逐步确立了其在NMT领域重要生力军的地位。          凭借扎实的科技实力，金歌公司成功打造出可靠的“NMT耗材-零部件-整机”一站式NMT供应平台。通过不断积累并整合自1990年离子/分子通量flux测试技术（即‌非损伤微测技术NMT）诞生三十多年以来已发表成果，我们建立了丰富的NMT大数据库，实现了NMT仪器国产化、自动化、智能化、信息化和标准化，进一步巩固和扩大了我国在NMT领域的优势。          金歌NMT测试界面实时输出flux通量数据，无需人工换算，可直接用于分析作图，保护了用户数据安全。用户购买仪器后，金歌NMT仪器测试种类和检测项目等仍会不断增加，金歌仪器将及时告知用户，郑重承诺免费为用户做测试软件升级。          金歌仪器将永远以客户需求为导向，精益求精，不断推出创新性产品和个性化解决方案，为加快实现高水平科技自立自强贡献智慧和力量。    

产品详细介绍 一、功能概述： 密闭式静脉输血技术虚拟仿真实训软件是为医学护理教育研发的新兴产品，软件模拟医院输血流程，设立仿真情景，分为受血者血样采集，接收血液，输血三大部分，为密闭式静脉输血技术的虚拟教学和培训提供了重要的教学工具。虚拟环境使学生们脱离了实训中的风险和制约，从实训中获得感性认知和实际经验，增强学生的临床思维能力和专业知识技能。 二 特点介绍： 1、3D模拟实体场景： 运用Unity 3D技术，实现全数字建模，还原医院真实场景，立体直观，高度仿真； 2、灵活定制多样病例： 使用教师客户端访问软件，对病例和实训流程进行形式多样的编辑设定，包括皮肤状况、体温状况和不良反应状况等； 3、实景流程高度还原：  软件模拟医院输血环节，设立仿真情景，按流程操作，分为受血者血样采集，接收血液，输血三大部分； 4、虚拟空间情景漫游： 系统用户在软件内拥有高度自由，可以在场景内随意走动，查看场景布局，还可以对物品进行放大缩小，方便观察物品细节； 5、操作过程分步记录： 系统能够记录实训者的每一步操作，方便查漏补缺。在多次重置操作时，默认计入最后一次的操作得分； 6、实训结果即时查询  操作完成后，软件会生成一份可供下载的成绩报告单，学生可以通过成绩报告单上的分数及错误点汇总，对自己的实际操作能力和知识掌握程度有直观的认识。

本实用新型提供配电网三相开关装置及经济型三相不平衡调节器，配电网三相开关装置包括 A 相的 换相开关、B 相的换相开关、C 相的换相开关，由接触器、二极管以及电源功率控制器组成；一相的换 相开关中，电源功率控制器与一个二极管反向并联，并再串联一个与电源功率控制器方向相同的二极管， 构成一个电路拓扑结构，所述电路拓扑结构与另一个结构相同但电力电子器件方向完全反向的电路拓扑 结构、接触器并联。经济型三相不平衡调节器包括配电网中各条负载支路上分别设置

产品详细介绍:三维微动并联工作台（三自由度并联机器人）　采用闭环压电陶瓷驱动，压电陶瓷既作为驱动元件又作为支撑杆件，同时实现机构、驱动、检测一体化的新型3-RPS 微动并联机器人。通过压电陶瓷直接驱动柔性铰链机构实现绕X、Y方向的转动和Z方向的平动。X、Y方向的转角可达±0.8毫弧度，转角分辨率可达0.8微弧度；Z方向位移可达40微米，位移分辨率可达4纳米。主要应用于空间、隔震、医疗、光学和工业等领域。

化工特殊作业（八项作业）实操培训装置 (1)装置特色 以化工实际生产装置为背景，营造化学品生产单位特殊作业场景，培训学员在实际生产工况下实施化工特殊作业实操能力与特殊作业规范。适用于化学品生产单位设备检修中涉及的动火作业、受限空间作业、盲板抽堵作业、高处作业、吊装作业、临时用电作业、动土作业、断路作业即“八项作业”等特殊作业培训，作业科目符合化学品生产单位特殊作业安全规范（GB30871-2014）中相关要求。其主要特色如下： 真实模拟化工生产区域，包含一套精馏塔撬装单元（含框架、龙门吊），周边设置消防通道与设施（灭火器、沙袋、防火毯、警戒线），安全设施（含风向标、避雷针、接地线），地沟窨井（沙盘），满足现场进行动火作业、受限空间作业、盲板抽堵作业、高处作业、吊装作业、临时用电作业、动土作业、断路作业。 本装置配套有相应的操作规程手册与评分标准，能实现“教、学、做、训、考”等一体化教学实验流程。 (2)系统功能及训练目标 1．本装置可视化学习化学品生产单位特殊作业安全规范（GB30871-2014），包含案例分析、隐患排查处理、事故原因剖析等内容。 2．本装置按照化学品生产单位特殊作业安全规范（GB30871-2014）中相关要求进行八项特殊作业票证办理实训，规范学员按照管理进行流程化操作。 3．本装置可以实现多人协作配合演练，设置模拟在真实化工背景下的协同作业，做到既有分工又有合作。 4．本装置设置模拟多种工艺背景，包含有易燃易爆场所、高温高压环境、可燃气体置换、进出口受限空间，在设备管道上安装和拆卸盲板的作业、高处作业（高处动火作业）、吊装作业、带电作业、夜间检修作业等。 (3)系统实训内容 1．理论学习：学员理论学习化学品生产单位特殊作业安全规范（GB30871-2014）。特殊作业是指化学品生产单位设备检修过程中可能涉及的动火、进入受限空间、盲板抽堵、高处作业、吊装、临时用电、动土、断路等，对操作者本人、他人及周围建（构）筑物、设备、设施的安全可能造成危害的作业： 1)动火作业：直接或间接产生明火的工艺设备以外的禁火区内可能产生的火焰、火花或炽热表面的非常规作业，如使用电焊、气割（焊）、喷灯、电钻、砂轮等进行的作业。 2)受限空间：进出口受限，通风不良，可能存在易燃易爆、有毒有害物质或缺氧，对进入人员的身体健康和生命安全构成的封闭、半封闭设施及场所。 3)盲板抽堵作业：在设备、管道上安装和拆卸盲板的作业。 4)高处作业：在距坠落基准面2m及以上有可能坠落的高处作业。有分为异温高处作业、带电高处作业等。 5)吊装作业：利用各种吊装机具将设备、工件、器具、材料等吊起，使其发生位置变化的作业过程。 6)临时用电：正式运行的电源上所接的非永久性用电。 7)动土作业：挖土、打桩、钻探、挖探、地锚入土深度在0.5m以上；使用推土机、压路机等施工机械进行填土或平整场地等可能对地下隐蔽设施产生影响的作业。 8)断路作业：在化学品生产单位内交通主、支路与车间引道上进行施工、吊装、吊运等各种影响正常交通的作业。 2．作业前，使学员深入了解进入检修场所作业前应注意事项，包含危险、有害因素辨识，并制定相关的安全措施；作业过程中所使用的个体防护器具的使用方法及使用注意事项，模拟会同工艺交底技术人员到作业现场，了解和熟悉现场环境，进一步核实安全措施的可靠性，熟悉应急救援器材的位置及分布，主要内容如下： 1)参加作业人员进行安全教育，学习有关作业的安全规章制度，事故的预防、避险、逃生、自救、互救等知识； 2)对设备、管线进行隔绝、清洗、置换，并确认满足动火、进入受限空间等作业安全要求；夜间作业的场所设置满足要求的照明装置； 3)作业单位对作业现场及作业涉及的设备、设施、工器具进行检查；作业消防通道、行车通道畅通，作业现场涉及的坑、井、沟、孔洞等应采取有效防护与警示设置；通信工具、消防器材、个体防护具完好；脚手架、起重机械、电动工具符合安全要求，超过电压的手持或移动工具应逐个配置漏电保护器与电源开关。 3．票证办理：多人协同模拟办理作业审批手续，并有相关责任人签名确认；同一作业涉及交叉作业时，应同时办理相应的作业审批手续。 4．作业过程：按照化学品生产单位特殊作业安全规范（GB30871-2014）模拟动火作业、受限空间作业、盲板抽堵作业、高处作业、吊装作业、临时用电作业、动土作业、断路作业，同时包含单组特殊作业与多组同时特殊作业。 5．作业完成：模拟作业现场，作业完成后恢复作业时拆移的盖板、箅子板、扶手、栏杆、防护罩等安全设施的安全使用功能；将作业用的工器具、脚手架、临时电源、临时照明设备等及时撤离现场；将废料、杂物、垃圾、油污等清理干净。

AI多模态情绪分析系统，是人工智能与心理学、计算机视觉、听觉感知等学科深度融合的前沿方向。它不再局限于传统的问卷答题，而是像一位敏锐的观察者，通过分析你的面部微表情、语音语调、肢体语言，甚至生理信号，来实时、客观地"读懂"你的情绪状态。这种技术正在心理健康、教育、人机交互等领域开启全新的可能性。 这套系统的核心在于"多模态"和"融合"。它模拟了人类如何综合视觉、听觉信息来理解对方情绪的过程。 多源数据采集：系统通过摄像头、麦克风等设备，同步采集个体的面部视频、语音音频，甚至可接入可穿戴设备获取心率等生理信号。 单模态特征提取：针对每种数据，用不同的AI模型提取情感特征。 视觉：分析面部肌肉运动（如嘴角上扬、眉毛紧蹙）、头部姿势、眼神等。先进的技术甚至能捕捉难以伪装的微表情（持续仅1/25至1/5秒），或通过分析面部血流图谱（rPPG）来感知生理唤醒水平。 听觉：提取语调、语速、音高、能量（MFCC梅尔频率倒谱系数）等声学特征，判断声音中的情绪色彩。 文本/语义：如果涉及对话，系统还会分析说话内容的语义，理解话语背后的真实意图和情感倾向。 多模态融合与情感解码：这是最关键的一步。系统通过复杂的深度学习算法（如Transformer、自监督多任务学习框架等），将来自不同模态的特征信息进行时空对齐和深度融合。例如，一句愤怒的"我没事"，配上闪躲的眼神和紧绷的嘴角，才会被准确识别为"掩饰性的愤怒"，而非字面意思的"没事"。  

“TTC学练训赛一体化平台”（TTC：①Training and training competition学练训赛一体 ②Training and training in clouds云端学习竞赛）以知识竞赛为基础，使学生通过在该平台上学习、训练、考试一体化学习，掌握管理会计各岗位“工作过程”中的岗位技能的核心内容